基于视觉模糊的LBP鲁棒特征提取与匹配

摘要：

目的 针对目前模糊图像特征提取与匹配方面,存在特征提取困难、匹配率低、抗噪以及抗尺度变化能力弱的缺陷.方法 提出一种基于SIFT算法与改进的中心对称局部二值模式相结合的精准、特征识别率高的匹配算法.首先采用SIFT进行特征的提取,生成多维的描述子,其次采用本文改进的中心对称局部二值模式对高维特征描述子进行降维处理,并采用局部特征区域对降维后的描述子进行特征检测,并生成纹理特征图像以及信息分布直方图,对特征区域的特征点进行信息量统计,并设置检测阈值.提取符合特征信息要求的特征点,并依据Hausdorff距离算法实现图像粗匹配,最后采用RANSAC算法进行误差匹配的剔除来改善匹配的精度和鲁棒性.结果 测试结果表明,本文所建议的算法是有效的,它不仅具有良好的模糊图像分辨能力和抗尺度变化特性,而且具有较强的噪声抑制能力和抗光照变化能力.结论 本文提出的基于视觉模糊的鲁棒特征匹配算法,不仅考虑到传统特征匹配算法的优缺点,也提出了算法改进的新思路,而且较SIFT算法以及LBP算法稳定性和准确度有了明显的提高.

关键词：视觉模糊;SIFT算法;中心对称局部二值模式;Hausdorff距离算法;RANSAC算法;特征检测

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：361-372